文章目录
GPU安装—Windows
下载完后有个压缩包之后就可以安装了。
然后加入到环境变量后,确定即可。此时CUDA生效
安装cuDNN
用于为深度学习加速用的。
注册一个账号后才可以下载。
拷贝到cuda对应目录即可。
类似将文件夹下的文件对应拷贝到CUDA下的对应文件夹下。
安装好两个之后,可以卸载CPU版本,再安装GPU版本的tensorflow了。
之后安装好GPU版本tensorflow后,跑程序后会自动调用GPU进行深度计算了。即使有CPU也会默认按照GPU运行了。
训练自己的图片分类模型
第一种思路:
准备一个特定的模型。确定好模型框架。如googleNet或者LSTM网络
之后里面的神经元的参数刚开始初始化都是一些随机值,将准备好的数据一个一个批次放进去训练,经过非常长时间将模型训练好,用googleNet训练,模型复杂,训练的参数非常多,若从头训练需要准备一个非常大的数据集,若数据少去训练,最后过拟合会很严重,这是从无到有去训练模型。
第二种思路:
先准备一个训练好的模型,如googleNet,里面的权值参数是确定的。
卷积层作用就是做图像特征提取,即固定好之前别人训练好的模型的卷积池化层的参数,一会我们训练时候也不改变这些参数。
第三种思路:
给小的学习率对之前的别人训练好的模型微调。主要还是训练我们加的最后一层。
思路二实践
1、
一会直接调用google模型,将图片数据传入网络中,且原来google模型中的参数不会变化。
这样可以大大减少模型训练的复杂度。